半参数网络时间序列模型估计与应用

论文摘要

作为一个热门的研究课题,网络分析技术适用于很多领域,比如金融领域、社交领域甚至神经科学领域。本文正是基于网络分析技术对“上证50”的50支股票价格波动建立网络模型。首先,通过向量自回归模型对股票数据建模、得到股票之间的相互影响系数;然后在模型基础上加入再生核函数部分,来拟合比如大盘指数等外界因素对所有股票价格波动的共同影响;最后得到半参数网络时间序列模型,据此可以获取股票之间稀疏的连接关系。为得到股票价格波动间影响系数,本文提出了基于半参数网络时间序列模型的估计方法;为判断方法和程序正确与否,本文使用数值模拟来验证。最后,本文还使用半参数网络时间序列模型滚动预测“上证50”的50支股票的波动率,最后发现效果优于LSTM的预测结果。

论文目录

摘要

abstract

1 引言

1.1 研究背景

1.2 研究意义

1.3 研究内容

1.4 论文创新点

1.5 文献综述

1.5.1 复杂网络理论的研究现状

1.5.2 复杂网络在金融领域的应用现状

1.5.3 半参数回归模型研究现状

1.6 论文安排

2 基于时间序列的复杂网络生成

2.1 网络分析方法

2.1.1 复杂网络和图数据

2.1.2 网络统计特征

2.2 时间序列分析方法

2.2.1 时间序列及相似性度量

2.2.2 VAR模型

2.2.3 时间序列的相似性度量

2.3 基于复杂网络理论的时间序列模型

2.3.1 时间序列到复杂网络的映射

2.3.2 网络时间序列模型

2.4 本章小结

3 半参数网络时间序列模型的建立与估计

3.1 再生核希尔伯特空间

3.1.1 再生核希尔伯特空间的定义

3.1.2 再生核希尔伯特空间的性质

3.2 核函数

3.2.1 核函数的基本定义

3.2.2 核函数的作用:以核SVM为例

3.3 半参数网络时间序列模型的建立

3.3.1 基于再生核的半参数模型

3.3.2 高斯核函数在本文模型的应用

3.3.3 稀疏化处理和目标函数

3.4 半参数网络时间序列模型的估计

3.5 本章小结

4 数值模拟

4.1 股票数据模拟

4.1.1 参数的随机生成

4.1.2 股票数据生成

4.2 数值试验

4.2.1 参数估计

4.2.2 结果分析

4.3 本章小结

5 基于上证50的模型构建及估计

5.1 模型搭建

5.1.1 数据和数据预处理

5.1.2 设置训练集与验证集

5.1.3 半参数网络时间序列模型估计

5.2 模型的估计与选择

5.2.1 模型估计结果

5.2.2 模型选择过程

5.3 实证结果分析

5.3.1 网络分析

5.3.2 网络统计特征分析

5.4 本章小结

6 应用

6.1 上证50成分股波动预测

6.1.1 股票数据介绍

6.1.2 使用LSTM预测

6.1.3 使用半参数网络时间序列模型预测

6.2 对上证50 股票进行聚类

6.2.1 相似性矩阵

6.2.2 拉普拉斯矩阵

6.2.3 聚类及结果分析

6.3 本章小结

7 总结与展望

参考文献

致谢

文章来源

类型: 硕士论文

作者: 杨威

导师: 张术林

关键词: 网络分析,半参数回归,股票波动

来源: 西南财经大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

单位: 西南财经大学

分类号: F832.51;F224

DOI: 10.27412/d.cnki.gxncu.2019.001954

总页数: 59

文件大小: 2014K

下载量: 12

半参数网络时间序列模型估计与应用

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢